需要一个高效的自动化系统来检测人脑中受肿瘤影响和未受影响的区域。尽管已有传统模型可以满足该目的，但它们面临着过度分割、耗时较长、高错误率和过拟合问题。所建议的方法通过预处理程序增强输入MRI图像的对比度和质量。从预处理的图像中提取纹理和统计特征，以便后续分类过程。此外，借助快速正弦余弦群优化方法，实现了降维。这降低了训练时间，提高了模型的准确性。为精确分类健康和非健康图像，采用了极限学习算法。最后，使用基于自编码器的分割方法来定位图像中受肿瘤影响的确切部分。所提模型在BRATS数据集上执行，并利用多种性能指标进行评估，包括准确率、召回率、F1-score和精确度，基于训练数据集分别获得了98.93%、99.21%、97.67%和96.17%的结果。
《理论与应用信息技术杂志》（Mon）研究了这个问题。